昨天我写了一个朋友。他那么成功，却怎么也不肯来我们的大会上分享自己的AI应用经验。（原文见《他那么成功，为什么不肯分享AI应用的经验？》）原因很现实：他们那个行业太卷了，一个县内这个行业的产值就一千多亿、三千多家企业，谁有一点点进步，马上就有人来"抄作业"。所以他的AI化做得越好，越得捂着。

这反倒让我想通了一件事：我们平时在大会、新闻、案例里看到的，其实都是"滞后指标"。真正跑在前面的人，恰恰是这批不肯出声的。

如果一家处在极度内卷里的传统中型企业，已经在商机获取、投标应答、行业知识库、排产分单上都悄悄用上了AI——那真实的渗透，一定比公开讨论的要深。

如果我们试着往前推一步：为什么制造业AI的渗透会一直加速，甚至可能在2027年，看起来像"井喷"？

先说试错的便宜。两三年前，一个工厂要碰AI，得养团队、上算力、做私有部署，没几百万下不来。现在不是了。大模型是现成的，推理按次计费，智能体可以通过Vibe编程搞定。一个懂业务的人，花不了多少钱，几天时间，就能把一个场景跑通。当"试试看"的成本趋近于零，上不上AI就不再是谁有钱的问题，而是谁知道的问题——而"知道"，正顺着饭桌和同行群飞快传。

再说集群里的"抄作业"，这股劲头关不住。我那朋友不肯讲，是因为一讲就被抄。可一个镇上，有老师傅想跳槽去"那个不用搬工件的工厂"，消息就漏了；一个县里三千家企业，一家跑通，用不了多久就有几十家跟上。产业带把扩散的时间生生压短了。温州就是这样——电气、汽摩配、包装、泵阀，四大集群挤在一块儿，老板们抬头不见低头见，谁家多了点能耐，瞒不住。

还有一点，它会自己复利。1996年我们用电子邮件替代国际传真，花了差不多二十年，因为那得等电脑和网线铺开。可AI是坐在现有的数字地基上的——ERP、MES、云，早就铺好了。而且它和换工具不一样：你每跑通一个场景，就留下数据；数据让下一个场景更便宜、更准。这不是一条直线，是个越转越快的飞轮。所以这一次的曲线，是往上弯的。

把这几条叠起来看：2026年，是那批观望的人集体越过门槛的一年——成本塌了、同行走在前面了、工具也熟了。2027年，是这些2026年动手的人，结果藏不住的一年。工人会流动，对手会看见，客户会开始嫌弃"你报个价怎么还这么慢"。等招聘、采购、新闻这些"滞后指标"一起转正，外界看上去就像突然井喷了。其实底下早动了，只不过前两天你还看不见。

那么，为什么我更愿意相信，温州可能成为这样一个"喷发的井口"？

不是谁要去"赋能"它，是它的土壤太适合了。产业够密，四大集群都是多品种、小批量、报价频次极高的行当，恰恰是AI最能马上见效的地方。老板决策链够短，一个厂一人拍板，看准了马上就上，试错成本比大厂低得多。现场够"旧"，很多老厂既有跑了十几年的MES，也有刚上云的报表，AI是叠在上面长新能力，不是推倒重来，阻力和抵触都小。

这样的地方，渗透率一到临界点，不是一家冒头，是一片冒头。井口，就是这个意思。

我昨天说，我们的大会，某种意义上是一场"偷艺大会"——把那些不肯公开讲的人验证过的东西，请供给侧的朋友摊开来。温州站定在8月29日，制造企业免费来。你不用懂算法，带一个车间里最实在的问题来就行。

有些东西，朋友之间不好讲；但到了一个中立的场子上，也许就讲得开了。